LangMem 是什么?Agent 的记忆应该同步写入,还是后台整理?
下面是一段教学模拟,代码助手为假设场景。
🧑💻 面试官:“用户刚说这个项目以后用 Python,你什么时候写入记忆?”
🙋♂️ 我:“放到后台整理,回答就不用等了。”
🧑💻 面试官:“用户马上又问一个代码问题,后台还没完成,怎么办?”
🙋♂️ 我:“当前会话先保留这条要求,让下一轮按 Python 回答。”
🧑💻 面试官:“用户换个会话呢?早先那项 TypeScript 整理任务最后才完成呢?服务重启后,还有谁继续写?”
一条要求什么时候生效、何时对新会话可见、晚到结果是否仍有效,需要分别说明。
面试速答(60 秒版)
LangMem 是帮助 Agent 整理和管理记忆的工具库,可以从交互中提取信息,并结合存储供后续使用。应用仍需决定写入时机和失败处理。
请求内写入,把整理或存储放进当前请求;回答前等待完成,就能确认结果,也会增加等待。后台整理允许先回答,再处理长期记忆,但新会话可能暂时读到旧内容,还要处理失败和乱序。
我会让马上影响行为的要求先进入当前任务状态。跨会话必须立即生效的明确设置,确认持久化后再告知保存成功;可以延后的提炼和整理放到后台。
后台结果要关联用户、项目、来源版本和任务标识,在提交时原子地检查有效性,避免旧结果覆盖或重复写入。任务不能丢时,还需要持久任务记录、重试和恢复。函数用了 async,并不能说明这些问题已经解决。

沿着一条项目偏好,拆开记忆写入的全过程
LangMem 参与了哪一段工作?
假设咱们做了一个代码助手。它需要从对话中整理用户偏好和项目习惯,在后续回答前读取相关记录。
可以先把这个过程拆开。应用接收对话,记忆管理组件从中提取或更新信息,存储保存结果;下一次请求再选择相关记录,放进模型输入。LangMem 可以参与信息整理,并通过相应集成与存储配合。官方概念指南介绍了这些职责及记忆形成的时机。
有了这个边界,再问“同步还是后台”才有明确对象。需要安排的工作可能是模型提炼一段对话,也可能是保存一个用户明确指定的字段。这两项工作的成本与失败影响不同。
本文只讨论写入时机,不展开记忆检索算法。接下来始终用同一个假设例子,用户将项目 A 的示例语言从 TypeScript 改为 Python。
如果回答前写入,用户到底在等什么?
先假设应用这样处理请求。收到新要求,调用模型整理记忆,写入存储,确认成功,再回答用户。
用户等待时间里包含整理和存储这两段工作。把调用改成异步函数,可以让执行环境在等待时处理其他工作;如果当前请求仍然 await 整理和写入完成,用户还是要等。
因此,请求内写入描述的是业务执行位置。代码是否使用异步 API,是另一件事。图中的上方路线会等待写入确认,再向用户发出回答。
这条路线适合需要确认保存结果的操作。例如用户在设置界面把项目 A 的语言切为 Python,应用可以直接保存结构化字段,等存储确认后显示“已保存”。明确字段通常不必再让模型猜一次用户想设置什么。
如果写入失败,系统仍可在本轮按 Python 回答,但不能宣称设置已经长期保存。回答是否继续、界面如何提示,都要与产品承诺一致。
先回答再整理,下一轮为什么仍可能用错语言?
后台路线先把新要求放进当前会话状态,生成回答,再安排长期整理。当前会话继续时,应用把这个有效要求补入模型输入,就可以遵守 Python 的要求。
但长期存储可能仍然是 TypeScript。用户这时开一个新会话,若应用只读取旧记忆,新请求就可能又使用 TypeScript。

这张图比较的是同一用户、同一项目在不同会话的可见内容。它说明当前状态生效与长期存储更新之间存在时间差,并不意味着换会话必然失效。若新请求还能读取权威设置或最新要求记录,应用就能补上这段差异。
咱们先根据承诺选择路线。
| 信息和承诺 | 写入安排 | 怎样确认 |
|---|---|---|
| 本轮代码用 Python | 先保留当前任务要求并带进输入 | 当前回答遵守要求 |
| 项目 A 以后都用 Python,新会话也应立即生效 | 保存项目设置或权威要求记录,新请求按同一范围读取 | 确认持久化与读取可见性 |
| 从多次互动中提炼讲解习惯 | 允许后台整理,并保留适用范围与来源 | 整理完成后检查有效内容 |
同一个应用可以同时采用这些安排。 后台模型整理没有完成,也不妨碍应用先保存一项明确设置。读取时若设置与旧记忆冲突,就要优先遵守有效的明确要求,并安排旧记录更新。
两项后台任务,为什么后完成的反而更旧?
现在把时间继续往后推。假设用户先说“项目 A 用 TypeScript”,接着改成“项目 A 用 Python”。应用分别接收为来源版本 v1 和 v2,并触发任务 J1、J2。版本按同一用户、同一项目、同一偏好字段的权威更新顺序分配。
J1 整理得慢,J2 整理得快。J2 先写入 Python,J1 随后才交回 TypeScript。如果存储按任务完成顺序直接覆盖,偏好就被改回去了。

这张图先展示失败条件,再提示版本检查。下面把检查具体展开。应用可以保留这样的来源与结果记录,这是本文的设计示例,不是 LangMem 的默认协议。
| 记录 | 需要明确的内容 |
|---|---|
| 权威要求 | 用户 U、项目 A、示例语言,当前来源版本 v2,值为 Python |
| 任务 J1 | 从 v1 生成,候选值 TypeScript |
| 任务 J2 | 从 v2 生成,候选值 Python |
| 长期整理结果 | 已采用哪个来源版本,来源消息在哪里 |
这里比较的版本表示用户要求的新旧。它不能由整理任务完成时间、模型生成时间或哪项任务最后返回来代替。项目 B 的偏好也不能拿来覆盖项目 A。
比较版本以后再写,为什么还不够?
假设 J1 提交前查到当前还是 v1,于是准备写入。就在查询和写入之间,用户又更新到了 v2。如果 J1 仍然照刚才的查询结果写,检查就白做了。
需要把有效性检查和提交放进同一项原子操作。本文假设整理先返回候选结果,由应用控制最后提交,来源与结果可以由同一业务事务协调。事务里锁定对应的权威记录,检查来源版本与当前版本一致、来源没有撤销,再更新结果并登记任务已应用。用户要求的更新也要遵守同一套并发规则。
如果记忆组件在内部直接写存储,就要在实际提交层落实检查。若来源与结果分属不同存储,也要设计相应的一致性方案,不能只把两步包进一个函数,就宣称提交是原子的。

图中闸门处理的是“现在还能不能采用这份结果”。当当前来源已经是 v2,J1 的 v1 结果直接过期;不能因为 J1 完成得晚,就改写当前偏好。过期任务可以跳过,也可以基于最新来源重新整理。
再考虑重试。J2 可能已经写成功,只是确认消息在网络中丢失了。应用再次执行 J2 时,应通过稳定任务标识和已应用记录识别重复提交,避免重复追加同一条记忆。这项检查也要与写入一致,不能先写完再随意登记。
以上规则针对单个偏好字段。若一次整理会修改整份用户资料,还需要明确各字段版本或合并规则。只在整份记录上标一个“最后更新时间”,往往不足以判断每个字段是否还适用。
延迟整理能减少次数,能否保证任务不会丢?
用户连续发消息时,每条都立即整理,可能反复处理相似内容。LangMem 的 ReflectionExecutor 可以按会话延后处理,新的提交会取消并替换尚待处理的旧任务。这样可以等待一段交互趋于稳定再整理。官方延迟处理指南给出了这一用法。
这里有两个条件需要说明。应用要提供正确的会话标识,并为最新任务传入需要整理的对话内容。推迟执行本身,不会替应用补全没有提交的历史。也不能把取消待执行任务理解成已经撤销一笔完成的写入。相关行为可以对照 ReflectionExecutor 源码。
延迟处理解决了部分重复工作,可靠恢复还需要另外设计。指南明确提醒,本地线程会受到服务进程生命周期影响,serverless 场景应采用相应远程执行方式。一次本地提交返回,不足以证明任务已经持久保存。
如果业务允许少量整理失败,可以记录错误,并在下一次交互重新整理。如果产品承诺任务不能丢,就要持久保存任务及来源,让其他执行实例能在失败后接着处理。

沿图读完整个过程。应用先确认任务记录已经保存,工作进程读取来源并整理,经过版本检查后写入,再把任务标记为完成。工作进程退出,未完成记录仍然存在,可以被重新领取。重试仍要经过上一节的过期与重复提交检查。
若接收要求和保存任务必须一起成功,可以通过同一事务登记要求与待处理记录,再由后台领取。这是可靠任务的一种应用设计;采用远程执行器时,也要核对实际服务提供的持久化、重试和恢复保证。
什么时候可以告诉用户“已经记住了”?
“已提交”“处理中”“已写入”和“失败”分别对应不同进度。排进队列只说明接下来准备做,后台结果真正提交成功后,才适合显示长期保存完成。
要验证这套设计,可以固定同一用户、同一项目的要求,刻意改变任务执行条件。
| 测试变化 | 要观察的结果 |
|---|---|
| 后台还没完成,立即继续当前会话 | 新要求已经进入本轮输入 |
| 立即开启新会话 | 按承诺读到最新设置,或准确呈现尚未保存状态 |
| J2 先完成,J1 后完成 | v1 不覆盖 v2 |
| 写入成功后确认丢失,再次执行 J2 | 不重复追加或回退状态 |
| 服务在处理中重启 | 按选定恢复方案继续,不能把未完成显示为已保存 |
| 用户撤销或删除要求 | 旧任务重试不能重新启用它 |
这些是验证目标,本文没有运行真实模型、远程 SDK 或生产故障实验。实际还要分别记录回答耗时与长期记忆可见延迟,避免只看当前请求变快,就忽略后续读取是否正确。
面试官继续追问
所有记忆都放后台,是不是就最好?
先看哪些要求必须立即影响下一步。当前任务约束先进本轮状态;跨会话立即可见的设置确认持久化;允许延后的信息提炼进入后台。写入安排要符合具体承诺。
用户删了一条偏好,为什么旧任务还能写回来?
物理删除结果记录后,旧任务手里可能还留着原始来源。删除或撤销也要更新权威版本与有效性状态;提交时检查撤销标记。否则旧任务重试会重新生成并写入这条偏好。
已经做了持久队列,还需要版本检查吗?
需要。队列帮助任务恢复执行,不保证结果仍符合当前要求。并发、重试和处理速度差异仍可能让旧任务晚到,所以恢复后的提交也要检查来源版本、范围和重复执行。
面试速记卡
- LangMem 参与信息提取与记忆管理,执行承诺由应用定义。
- 请求内是否等待写入完成,决定用户是否承担这段耗时。
- 当前状态生效与新会话可见分别检查。
- 明确设置可以直接持久化,信息提炼可以延后整理。
- 来源版本按同一范围的权威更新分配,完成时间不能代替它。
- 检查有效性、写入与登记已应用,需要一致的原子提交规则。
- 延迟整理控制执行时机,可靠恢复还要核对持久化与重试。
- 删除、撤销和重试同样经过有效性检查。
公司面试真题
这道题暂未收录可核验的公司真题来源。你可以先阅读本文解析,或浏览已收录的公司面试真题。
浏览公司面试真题 →